선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 2년 주기로 전국 수치 지도 및 정사영상 제작을 위해 구축되는 항공사진 DB를 활용하여 산림의 수관형상 및 수고를 산정할 수 있는 방안으로 무인항공사진측량 기법을 적용하고자 하였다. 이를 위하여 우선적으로 무인항공사진측량을 통해 수관 및 수고 산정 방법론을 검증하고, 항공사진 DB에 무인항공사 진측량 기법을 적용하여 생성된 산출물을 활용해 수관을 추출하고, 수목별 수고를 산정할 수 있는 방안을 제시하고자 하였다.
- 본 연구는 국가차원에서 구축하는 항공사진 DB에 무인항공사진측량 기법을 적용하여 생성된 산출물을 활용하여 산림공간정보를 생성하는 방안을 제시하고자 그림 1과 같은 흐름으로 연구를 수행하였다.
- 본 연구는 항공사진 DB에 무인항공사진측량 기법을 적용하여 생성된 산출물을 이용해 수고를 산정하는 방안을 제시하고자 하였다. 이를 위하여 무인항공사진측량으로 생성된 산출물로 산정된 수고와 실측으로 취득된 수고 값을 비교하여 본 연구에서 제시한 수고 산정 방법의 신뢰성을 검증하였다.
제안 방법
- 그러나 일반적으로 우리나라에서 항공사진 촬영 시 GSD 25cm 급으로 촬영된다. 따라서 본 연구에서 생성한 정사영상 및 DSM은 GSD 25cm로 다운샘플링 하였다. 그 결과 그림 5와 같이 정사영상을 생성하였으며, 그림 6과 같은 DSM을 생성하였다.
- 수고를 산정하기 위해서는 수관형상 추출이 우선 수행되어야 한다. 따라서 본 연구에서는 정사 영상을 이용하여 그림 7과 같이 영상분할을 수행하고, 영상 분류를 수행하였다. 그러나 본 연구에서 사용한 정사영상은 Nir 밴드가 없는 RGB 영상이므로 NDVI(Normalized Difference Vestation Index)의 제작이 불가능하여 그림 8과 같이 영상분류에 오류가 있었다.
- 앞서 무인항공사진측량을 이용한 수관 및 수고 산정이 가능함을 확인하였다. 따라서 앞서 이용한 방법과 동일한 방법으로 연구대상지역에 대하여 무인항공사진측량 및 항공사진 DB의 무인항공사진측량 기법 적용에 따라 생성되는 산출물을 활용하여 그림 13과 같은 흐름으로 수고 산정 비교를 수행하였다.
- 이를 위하여 무인항공사진측량으로 생성된 산출물로 산정된 수고와 실측으로 취득된 수고 값을 비교하여 본 연구에서 제시한 수고 산정 방법의 신뢰성을 검증하였다. 또한 동일한 시기에 취득된 무인항공사진과 항공사진 DB에 무인항공사진측량 기법을 적용하여 생성된 산출물로 수고를 산정하고 비교분석 하였으며, 다음과 같은 결론을 얻을 수 있었다.
- 또한 연구 사례를 분석한 결과 수평적 정보를 산정하기 위한 방법으로 위성영상, 항공정사영상을 활용하는 방법이 제시되었다. 위성영상 및 항공정사영상을 활용한 산림의 수평적 정보 산정 사례를 살펴보면, Wulder et al.
- 무인항공사진 및 항공사진 DB의 무인항공사진측량 기법 적용을 위해서 사용된 SW는 Bentley 사의 Context Capture를 이용하였으며, 영상 분할에 사용된 SW는 Trimble 사의 eCognition을 이용하였고, 수고 산정을 위한 잔차 DEM 생성 및 수목 객체별 수고 산정에 사용된 SW는 Esri 사의 Arcmap을 이용하였다.
- 무인항공사진측량으로 생성된 DSM과 1:1,000 수치지도 등고선을 이용해 생성된 DEM을 차분하는 잔차 DEM을 이용하여 수고를 산정하였고, 영상분류를 통해 추출된 수관을 이용하여 수목별 수고를 산정하였다(그림 16).
- 무인항공사진측량으로 생성된 정사영상 및 DSM은 GSD 25cm로 다운샘플링 하였다. 다운샘플링된 정사영상 및 DSM은 그림 14와 같으며, 정사영상의 영상분할을 통해 수목을 분류한 결과 그림 15와 같이 나타났다.
- 무인항공사진측량으로 수고를 산정한 것과 마찬가지로 항공사진 DB를 기반으로 생성된 DSM과 1:1,000 수치지도 등고선을 이용해 생성된 DEM을 차분하는 잔차 DEM을 이용하여 수고를 산정하였고, 영상분류를 통해 추출된 수관을 이용하여 수목별 수고를 산정하였다(그림 19).
- 무인항공사진측량을 수행하기 위한 지상기준점은 Network-RTK 방식의 VRS 장비를 이용하여 측량한 좌표를 이용하였고, 영상처리 후 연구 대상지역에 해당하는 정사영상 및 DSM을 추출하였다.
- 무인항공사진측량을 통한 수고 산정 결과의 검증을 위하여 무타겟 Total station을 이용하여 수고를 관측하였다(그림 12). 실측된 수고 값과 무인항공사진측량을 통해 산정된 수고 값은 표 2와 같이 나타났으며, 실측된 수고 값과의 차이를 계산한 결과 평균 0.
- 무인항공사진측량으로 생성된 DSM과 1:1,000 수치지도 등고선으로 생성된 DEM을 차분하는 잔차 DEM을 생성하였다(그림 10). 생성된 잔차 DEM과 앞서 추출한 수관을 이용하여 수목별 수고를 산정하였다(그림 11).
- 본 연구의 대상지역은 그림 2와 같이 위치해 있는 상지대학교 일원으로 선정하였다. 수고 산정은 상지대학교 교내에 있는 수목을 대상으로 하였으며, 상지대학교 교내 일부 지역에 대해서 무인항공사진측량을 통한 수고 산정 방법의 검증을 우선 수행 후 연구를 진행하였다.
- 수고를 산정하기 위해서는 무인항공사진측량 기법으로 생성된 point cloud 또는 DSM을 이용하며, 이때 수치지도 등고선을 이용해 생성된 DEM을 차분하여 산림지역에서의 수고 정보를 산정하고, 정사영상을 이용해 추출된 수관 형상과 융합하여 수목 객체별 수고를 산정한다.
- 연구 대상지역 내에 존재하는 수목의 수고 산정 시 모든 수목에 대하여 수고 산정 결과를 비교할 수 없어 대상지역 내 수고 중 최대 수고, 최저 수고, 평균 수고를 비교하였다(표 3).
- 다운샘플링된 정사영상 및 DSM은 그림 14와 같으며, 정사영상의 영상분할을 통해 수목을 분류한 결과 그림 15와 같이 나타났다. 영상분할에는 Scale, Shape, Compactness의 매개변수를 이용하여 영상분할을 수행하며, 각각의 매개변수의 임계값은 Scale을 25, Shape을 01 Compactness를 0.5로 설정하고 수행하였다.
- 수고를 산정하는 방법은 DSM과 DEM을 차분하는 잔차 DEM을 생성하여 영상분류를 통해 추출된 수관에서 잔차 값이 가장 큰 값을 지정하는 것이다. 이를 위하여 1:1,000 수치지도 등고선을 이용하여 DEM을 생성하였다(그림 9).
- 본 연구는 항공사진 DB에 무인항공사진측량 기법을 적용하여 생성된 산출물을 이용해 수고를 산정하는 방안을 제시하고자 하였다. 이를 위하여 무인항공사진측량으로 생성된 산출물로 산정된 수고와 실측으로 취득된 수고 값을 비교하여 본 연구에서 제시한 수고 산정 방법의 신뢰성을 검증하였다. 또한 동일한 시기에 취득된 무인항공사진과 항공사진 DB에 무인항공사진측량 기법을 적용하여 생성된 산출물로 수고를 산정하고 비교분석 하였으며, 다음과 같은 결론을 얻을 수 있었다.
- 따라서 본 연구에서는 2년 주기로 전국 수치 지도 및 정사영상 제작을 위해 구축되는 항공사진 DB를 활용하여 산림의 수관형상 및 수고를 산정할 수 있는 방안으로 무인항공사진측량 기법을 적용하고자 하였다. 이를 위하여 우선적으로 무인항공사진측량을 통해 수관 및 수고 산정 방법론을 검증하고, 항공사진 DB에 무인항공사 진측량 기법을 적용하여 생성된 산출물을 활용해 수관을 추출하고, 수목별 수고를 산정할 수 있는 방안을 제시하고자 하였다.
- 이와 같은 방법의 신뢰성을 확보하기 위하여 연구 대상지역 내에 일부 지역을 선정해 무타겟 Total station을 이용하여 수고를 관측하고, 무인항공사진측량을 이용한 수고 산정 결과와 비교분석을 우선 수행 후 대상지역 전체에 대하여 수고를 산정하였다.
- 항공사진 DB에 무인항공사진측량 기법을 도입하기 위해 항공사진과 지상기준점을 이용해 영상처리를 수행하였다. 지상기준점은 통합기준점 좌표를 이용하여 영상처리 후 연구 대상지역에 해당하는 정사영상 및 DSM을 추출하였다 (그림 17).
- 항공사진 DB에 무인항공사진측량 기법을 도입하기 위해 항공사진과 지상기준점을 이용해 영상처리를 수행하였다. 지상기준점은 통합기준점 좌표를 이용하여 영상처리 후 연구 대상지역에 해당하는 정사영상 및 DSM을 추출하였다 (그림 17).
대상 데이터
- Inspire 1 V2 모델을 이용한 무인항공사진측량을 위하여 2018년에 교차촬영으로 GSD 3cm 급으로 총 103매의 영상을 촬영하였으며, 영상처리를 위하여 Netwrok-RTK 방식의 VRS 장비를 이용해 4개의 지상기준점 측량을 수행하였다(그림 3).
- 대상지역의 무인항공사진측량에 이용된 항공 사진은 2016년 SenseFly 사의 eBee 모델을 이용하여 촬영된 GSD 6cm 급 항공사진이며, 항공사진 DB는 2016년에 Intergraph 사의 DMC 1 카메라로 촬영된 GSD 25cm 급 항공사진이다.
- 본 연구를 위하여 취득된 자료는 2018년에 촬영한 회전익 무인항공사진과 무타겟 Total station으로 관측한 수고 정보이며, 2016년에 촬영한 고정익 무인항공사진 및 Netwrok-RTK 방식의 VRS를 이용하여 취득된 지상기준점이다. 또한 연구 수행을 위해 수집된 자료는 2016년에 촬영된 Frame type 항공사진과 통합기준점 점의조서 및 기준점 좌표이다(표 1).
- 무인항공사진측량으로 생성된 DSM과 1:1,000 수치지도 등고선으로 생성된 DEM을 차분하는 잔차 DEM을 생성하였다(그림 10). 생성된 잔차 DEM과 앞서 추출한 수관을 이용하여 수목별 수고를 산정하였다(그림 11).
- 본 연구를 위하여 취득된 자료는 2018년에 촬영한 회전익 무인항공사진과 무타겟 Total station으로 관측한 수고 정보이며, 2016년에 촬영한 고정익 무인항공사진 및 Netwrok-RTK 방식의 VRS를 이용하여 취득된 지상기준점이다. 또한 연구 수행을 위해 수집된 자료는 2016년에 촬영된 Frame type 항공사진과 통합기준점 점의조서 및 기준점 좌표이다(표 1).
- 본 연구의 대상지역은 그림 2와 같이 위치해 있는 상지대학교 일원으로 선정하였다. 수고 산정은 상지대학교 교내에 있는 수목을 대상으로 하였으며, 상지대학교 교내 일부 지역에 대해서 무인항공사진측량을 통한 수고 산정 방법의 검증을 우선 수행 후 연구를 진행하였다.
- 수고 산정 방법을 제시하기 위하여 DJI 사의 Inspire 1 V2 모델을 이용하여 연구를 수행하였다. 수고 산정 방법 도출 대상지역은 연구 대상지역 내에 일부 구역에 존재하는 수목에 대하여 수행하였다(그림 3).
이론/모형
- 무인항공사진측량은 무인항공사진과 지상기준점을 이용하여 무인항공사진측량 기법을 적용하여 수행된다. 무인항공사진측량 기법을 적용한 영상처리 과정은 그림 4와 같이 영상입력 후 초기자료 처리, Keypoint 추출, 영상 매칭, 광속 조정, Point cloud 추출, 3D mesh 생성, 3D mesh 필터링, DSM, 생성, 정사영상 생성 순으로 진행된다.
- 본 연구에서 제시하는 수관 및 수고를 산정하는 방법은 무인항공사진측량 기법으로 생성되는 point cloud 또는 DSM, 정사영상을 활용하는 방법이다.
- 수고 산정 방법을 제시하기 위하여 DJI 사의 Inspire 1 V2 모델을 이용하여 연구를 수행하였다. 수고 산정 방법 도출 대상지역은 연구 대상지역 내에 일부 구역에 존재하는 수목에 대하여 수행하였다(그림 3).
성능/효과
- 따라서 본 연구에서는 정사 영상을 이용하여 그림 7과 같이 영상분할을 수행하고, 영상 분류를 수행하였다. 그러나 본 연구에서 사용한 정사영상은 Nir 밴드가 없는 RGB 영상이므로 NDVI(Normalized Difference Vestation Index)의 제작이 불가능하여 그림 8과 같이 영상분류에 오류가 있었다. 그러나 추후 Nir 밴드를 포함하는 영상 처리를 수행하면 보다 명확한 수관을 추출할 수 있을 것으로 판단된다.
- 그러나 항공사진에 무인항공사진측량 기법을 적용하여 생성된 point cloud, DSM(Digital Surface Model), 정사영상을 이용해 산림의 수평적 정보 및 수직적 정보를 산정한 사례는 미비한 것으로 나타났다.
- 둘째, 무인항공사진과 항공사진 DB에 무인항공사진측량 기법 적용으로 생성된 산출물을 이용하여 수고를 산정하고, 비교한 결과 평균 수고와 실측한 수고의 차이가 0.5m로 나타나 넓은 지역에 대하여 직접 관측이 어려운 수고 관측의 오차가 0.5m인 것은 오차가 작은 것으로 판단되며, 이를 통하여 본 연구에서 제시한 수고 산정 방법이 효용성이 있다고 판단된다.
- 무인항공사진측량과 항공사진 DB의 무인항공 사진측량 기법 적용으로 산정된 수고를 분석한 결과 무인항공사진측량으로 생성된 산출물을 이용하여 산정된 최대 수고는 33.8m, 최저 수고는 1.0m, 평균 수고는 11.3m로 나타났다. 항공 사진 DB의 무인항공사진측량 기법 적용으로 생성된 산출물을 이용하여 산정된 최대 수고는 33.
- 무인항공사진측량과 항공사진 DB의 무인항공 사진측량 기법 적용으로 산정된 수고를 비교한 결과 최대 수고가 0.2m, 최저 수고가 0.0m, 평균 수고가 0.5m 차이나는 것을 알 수 있었다.
- 수목의 개수를 비교한 결과 무인항공사진측량으로 추출된 수목의 개수는 8,859개였으며, 항공사진 DB의 무인항공사진측량 기법 적용으로 추출된 수목의 개수는 8,777개인 것으로 나타나 무인항공사진을 이용하는 경우 82개의 수목이 더 많이 추출되는 것으로 나타났다.
- 무인항공사진측량을 통한 수고 산정 결과의 검증을 위하여 무타겟 Total station을 이용하여 수고를 관측하였다(그림 12). 실측된 수고 값과 무인항공사진측량을 통해 산정된 수고 값은 표 2와 같이 나타났으며, 실측된 수고 값과의 차이를 계산한 결과 평균 0.5m의 차이를 나타내 무인항공사진측량을 통한 수고 산정 결과가 신뢰성 있음을 알 수 있었다.
- 앞서 무인항공사진측량을 이용한 수관 및 수고 산정이 가능함을 확인하였다. 따라서 앞서 이용한 방법과 동일한 방법으로 연구대상지역에 대하여 무인항공사진측량 및 항공사진 DB의 무인항공사진측량 기법 적용에 따라 생성되는 산출물을 활용하여 그림 13과 같은 흐름으로 수고 산정 비교를 수행하였다.
- 연구사례 조사·분석을 통해 LiDAR와 위성영상 또는 항공정사영상을 이용하여 산림의 수평적 정보 및 수직적 정보의 산정이 가능함을 확인하였다.
- 이와 같은 결과로 볼 때 본 연구에서 제시한 수고 산정 방법이 효용성이 있는 것으로 판단된다.
- 이와 같이 산림의 수평적 정보인 수관형상을 추출하기 위해서는 위성영상 및 항공정사영상의 영상분할을 통해 가능함을 알 수 있었다. 연구사례 조사·분석을 통해 LiDAR와 위성영상 또는 항공정사영상을 이용하여 산림의 수평적 정보 및 수직적 정보의 산정이 가능함을 확인하였다.
- 첫째, 본 연구에서 제시한 무인항공사진측량기법 적용으로 생성된 산출물을 이용해 수고를 산정하는 방법은 신뢰성 있는 수고를 산정하는데 유용함을 확인 하였다.
- 3m로 나타났다. 항공 사진 DB의 무인항공사진측량 기법 적용으로 생성된 산출물을 이용하여 산정된 최대 수고는 33.6m, 최저 수고는 1.0m, 평균 수고는 10.8m로 나타났다.
후속연구
- 그러나 본 연구에서 사용한 정사영상은 Nir 밴드가 없는 RGB 영상이므로 NDVI(Normalized Difference Vestation Index)의 제작이 불가능하여 그림 8과 같이 영상분류에 오류가 있었다. 그러나 추후 Nir 밴드를 포함하는 영상 처리를 수행하면 보다 명확한 수관을 추출할 수 있을 것으로 판단된다.
- 셋째, 본 연구에서 제시한 방법으로 수고 산정시 단시간, 저비용으로 수고를 산정할 수 있을 것으로 판단되며, 본 연구의 성과는 산림 관련 사업 수행에 기여할 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.